Aportaciones al control inverso con modelo de referencia basado en lógica borrosa, redes neuronales y algoritmos genéticos

• Autores: Carlos Betancor Martín
• Directores de la Tesis: Juan Antonio Montiel Nelson (dir. tes.), Aurelio Vega Martínez (dir. tes.)
• Lectura: En la Universidad de Las Palmas de Gran Canaria ( España ) en 2015
• Idioma: español
• Tribunal Calificador de la Tesis: Antonio Núñez Ordóñez (presid.), Carlos Javier Sosa González (secret.), M.C. Horrillo Guemes (voc.), Antonio Luque Estepa (voc.), Andrés García-Alonso Montoya (voc.)
• Materias:
  • Ciencias tecnológicas
    • Tecnología electrónica
• Enlaces
  • Tesis en acceso abierto en: acceda
• Resumen

  • Debido al interés que existe actualmente en combinar el control de prealimentación —Feed Forward (FF)— con el clásico de realimentación —Feed Back (FB)—, el presente trabajo tiene como finalidad marcar una estrategia de diseño de un sistema que incorpora a estos dos tipos de control. El controlador FF implementa un inverso aproximado de la planta y el FB se encarga de complementar, cuando fuese necesario, la tarea del FF para hacer al sistema más robusto. Para el diseño del FF se opta por representar a la planta con modelos locales lineales y para ello se modela de forma borrosa mediante el tipo Takagi-Sugeno, obtenido a partir del algoritmo de agrupamiento Gustafson-Kessel modificado. Este modelo borroso junto con un modelo de referencia, en el que se especifica el comportamiento en régimen transitorio y permanente deseado del sistema final, da lugar al inverso aproximado. Parte del trabajo de investigación se centra en buscar los parámetros del algoritmo de agrupamiento para, en el proceso de identificación, obtener el modelo Takagi-Sugeno que de lugar posteriormente a un inverso aproximado que sirva como controlador FF y el cual se implementa mediante redes neuronales. El controlador FB se diseña como un controlador borroso, concretamente con un controlador proporcional integral —Proportional Integral (PI)— borroso. Su misión es hacer al sistema más robusto ante las incertidumbres de modelado de la planta y ante las perturbaciones en el sistema. Para llevar a cabo estas dos labores a la vez con un único PI borroso, minimizando el hardware necesario y reduciendo el coste computacional, el trabajo se centra en sintonizar de forma correcta a este PI borroso. Se muestra mediante diversas aplicaciones que el controlador diseñado lleva a cabo la labor encomendada de forma totalmente satisfactoria. En ciertas aplicaciones, y con el objetivo de conseguir un mejor desempeño del sistema, se incluye un algoritmo genético —Genetic Algorithm (GA)— que, fuera de línea, sintoniza las ganancias del PI borroso y los pesos de la red neuronal. En este aspecto, el trabajo consiste en investigar como los distintos operadores involucrados en un GA afectan a la respuesta final. Se aplica la metodología propuesta a diferentes tipos de plantas lineales y no lineales, realizando comparaciones con otras técnicas de control. Se observa la estabilidad y robustez del sistema ante la variación de diferentes parámetros y ante perturbaciones, resultando un sistema muy estable y robusto. Se concluye que el sistema y la metodología propuesta dan como resultado mejores prestaciones que otras técnicas más complejas publicadas.